重庆交通大学提出CDM-YOLO轻量算法：爬壁机器人桥梁混凝土多尺度密集缺陷识别mAP提升2.43%

桥梁检测

基于轻量级CDM-YOLO的多尺度桥梁混凝土缺陷检测

作者：范崇俊，董绍江，罗家元，张霞，闫凯波
单位：重庆交通大学机电与车辆工程学院 重庆 400074

摘要：针对爬壁机器人进行桥梁检测时存在的对尺度多变、密集混杂混凝土表观缺陷识别精度低、易错检漏检问题，提出了一种基于YOLOv12n的轻量级CDM-YOLO算法。

首先，针对多尺度缺陷难识别问题，在骨干网络浅层引入MFC多尺度特征融合网络，改善其提取多样化和细粒度特征能力，丰富特征信息流，使模型适应多尺度缺陷。

其次，针对相似缺陷易混淆问题，在骨干网络深层和颈部使用动态tanh机制强化模型特征融合和聚焦能力，提升其对不同缺陷的分辨力，降低漏检错检。

最后，针对密集混杂缺陷，在模型颈部采用CARAFE上采样算法，加强深度语义信息流动，优化模型对密集缺陷的识别能力。

上述方法在保持网络实时轻量的前提下提升了模型的检测精度。CDM-YOLO的mAP（IoU=0.5）和召回率相对于YOLOv12n分别提升了2.43%和3.25%，表明其能更好应对多尺度和密集缺陷，错检漏检发生率更低，并支持有限算力的爬壁机器人及现场设备。

关键词：混凝土表观缺陷；YOLOv12n；缺陷检测；桥梁混凝土；爬壁机器人；桥梁检测

基金资助：重庆市自然科学基金项目（CSTB2024NSCQ-LZX0024）、重庆市技术创新与应用发展专项重大项目（CSTB2025TIAD-STX0023）、重庆市技术创新与应用发展重点研发项目（CSTB2024TIAD-KPX0081）、重庆市教委科学技术研究项目（KJZD-K202300711）资助

---

▶ 来源：期刊之家（《电子测量与计算机学报》等期刊目录）
▶ 原文标题：基于轻量级CDM-YOLO的多尺度桥梁混凝土缺陷检测
▶ 原文链接：http://www.qikanzj.com/hek/dzcljs/mulu/564372.html
▶ 转载时间：2026-10-05